结构化预示-收获文本生成
计算与语言
2026-01-13 v1
摘要
预示与收获是叙事中常见的情节设备，作者会在故事早期引入承诺，并通过具体可观察的结果予以解决。然而，尽管故事生成技术取得了进展，大型语言模型（LLM）经常无法弥合这些长程叙事依赖，常常甚至在必要情境存在时仍未触发“彻查的枪支”。现有评估很少关注这种结构性失效，主要关注表层连贯性而非叙事设定的逻辑实现。在本文中，我们引入结构化预示-收获生成（Codified Foreshadowing-Payoff Generation, CFPG）框架，通过收获实现的视角重新定义叙事质量。认识到语言模型难以直观把握预示事件的“触发机制”，CFPG 将叙事连续性转化为一组可执行的因果谓词。通过从 BookSum 语料库中挖掘并编码预示-触发-收获三元组，我们提供结构化监督，确保预示的承诺不仅被提及，而且在时间和逻辑上得到实现。实验表明，CFPG 在收获准确性和叙事对齐方面显著优于标准提示基线。我们的发现表明，显式地对叙事机制进行编码是将语言模型从表层流畅性提升至真正叙事能力的关键。
关键词
引用
@article{arxiv.2601.07033,
title = {Codified Foreshadowing-Payoff Text Generation},
author = {Longfei Yun and Kun Zhou and Yupeng Hou and Letian Peng and Jingbo Shang},
journal= {arXiv preprint arXiv:2601.07033},
year = {2026}
}